一种道路交通感知轨迹数据的质量评估方法与流程

技术特征：
1.一种道路交通感知轨迹数据的质量评估方法，其特征在于，包括以下步骤：s1、获取道路交通感知轨迹数据，并从中提取出待评估道路交通感知轨迹数据；s2、计算待评估道路交通感知轨迹数据的质量评估指标；s3、建立自适应融合回归的道路交通感知轨迹数据智能评估模型；s4、基于道路交通公开的历史轨迹数据集，构建仿真轨迹数据集，并基于仿真轨迹数据集对道路交通感知轨迹数据智能评估模型进行训练；s5、将待评估道路交通感知轨迹数据的质量评估指标输入训练好的道路交通感知估计数据智能评估模型，得到对应的道路交通感知轨迹数据质量评估结果。2.根据权利要求1所述的一种道路交通感知轨迹数据的质量评估方法，其特征在于，所述步骤s1具体包括以下步骤：s11、基于道路路侧布设的传感器，获取道路交通感知轨迹数据，并从中检索出属于同一目标id的车辆运动信息，按时间排序构成轨迹，提取出道路交通感知轨迹数据中的车辆运动信息，作为待评估的道路交通感知轨迹数据tr：tr
n
(t)＝[t,x
n
(t),y
n
(t),v
n
(t)]其中，tr
n
(t)为车辆n在t时刻的轨迹数据，x
n
(t)为车辆n在t时刻的横坐标，x
n
(t)为车辆n在t时刻的纵坐标，v
n
(t)为车辆n在t时刻的速度信息；s12、将待评估的道路交通感知轨迹数据划分为有交互关系的道路交通感知轨迹数据集tr
act
和无交互关系的道路交通感知轨迹数据集tr
none
。3.根据权利要求2所述的一种道路交通感知轨迹数据的质量评估方法，其特征在于，所述步骤s12具体是对道路交通感知轨迹数据集tr中的各条轨迹计算其横纵安全间距内是否有车辆存在，其中，横向安全间距dis
lat
为道路车道宽度；纵向安全间距dis
lon
为：dis
lon
＝vt
a
l式中，v为道路限速值，t
a
为驾驶员反应时间，l为安全停车间距；如果任一时刻，横纵安全间距内至少存在一辆车，则将该轨迹划分至有交互关系的道路交通感知轨迹数据集tr
act
；反之，则将该轨迹划分至无交互关系的道路交通感知轨迹数据集tr
none
。4.根据权利要求2所述的一种道路交通感知轨迹数据的质量评估方法，其特征在于，所述步骤s2具体是针对无交互关系的道路交通感知轨迹数据，计算其轨迹合理性和轨迹波动性共两类评估指标；针对有交互关系的道路交通感知轨迹数据，计算其轨迹合理性、轨迹波动性和轨迹交互异常性共三类评估指标。5.根据权利要求4所述的一种道路交通感知轨迹数据的质量评估方法，其特征在于，所述轨迹合理性评估指标包括侧向加速度合理性、急动度合理性和速度差异性三项指标，所述轨迹波动性评估指标包括转角波动性、速度波动性和加速度波动性三项指标，所述轨迹交互异常性评估指标包括车辆碰撞时间最小值、车辆碰撞时间波动性、最近车辆距离平均值和最近车辆距离波动性四项指标。6.根据权利要求5所述的一种道路交通感知轨迹数据的质量评估方法，其特征在于，所述侧向加速度合理性指标具体为：
其中，为轨迹y方向在t时刻的加速度，为t时刻的加速度合理性，为一段时间t内的加速度合理性；所述急动度合理性指标具体为：所述急动度合理性指标具体为：其中，j
n
(t)为轨迹在t时刻的急动度，为t时刻的急动度合理性，为一段时间t内的急动度合理性；所述速度差异性指标具体为：所述速度差异性指标具体为：其中，s
n
′
(t)为根据轨迹横纵坐标计算得出的车辆速度，v
n
(t)为轨迹数据中提供的测量速度，δv
n
为速度差异性；所述转角波动性指标具体为：α
n
(t)＝d
n
(t δt)
‑
d
n
(t)(t)(t)
其中，α
n
(t)为转角，w为评估时间窗，为t时刻车辆的转角α
n
(t)在评估时间窗w内标准差大小，为在t时刻车辆的转角α
n
(t)在评估时间窗内标准差的最小值，即为转角波动性；所述速度波动性具体为：所述速度波动性具体为：所述速度波动性具体为：所述速度波动性具体为：其中，v
n
(t)为速度，w为评估时间窗，为t时刻车辆的速度v
n
(t)在评估时间窗w内标准差大小，为在t时刻车辆的速度v
n
(t)在评估时间窗内标准差的最小值，即为速度波动性；所述加速度波动性具体为：所述加速度波动性具体为：所述加速度波动性具体为：所述加速度波动性具体为：其中，a
n
(t)为加速度，w为评估时间窗，为t时刻车辆的加速度a
n
(t)在评估时间窗w内标准差大小，为在t时刻车辆的加速度a
n
(t)在评估时间窗内标准差的最小值，即为加速度波动性；所述车辆碰撞时间最小值具体为：所述车辆碰撞时间波动性具体为：
所述最近车辆距离平均值具体为：所述最近车辆距离波动性具体为：其中，ttc
n
(t)为t时刻车辆n的碰撞时间，为t时刻车辆碰撞时间ttc波动性指标计算值，gap
n
(t)为t时刻车辆最小距离，为t时刻车辆最小距离gap波动性指标计算值。7.根据权利要求2所述的一种道路交通感知轨迹数据的质量评估方法，其特征在于，所述步骤s3具体包括以下步骤：s31、针对无交互关系的道路交通感知轨迹数据集tr
none
，建立自适应融合的质量评估模型m
a
，其中，模型m
a
的输入为轨迹合理性指标以及轨迹波动性指标，通过神经网络进行非线性拟合后，可输出质量评估得分s32、针对有交互关系的道路交通感知轨迹数据集tr
act
，建立自适应融合的质量评估模型m
b
，其中，质量评估模型m
b
由模型m
a
与修正网络组成：将轨迹合理性指标以及轨迹波动性指标输入模型m
a
，输出为质量评估得分再将和轨迹交互异常性指标共同输入修正网络，通过神经网络进行拟合修正后，输出最终质量评估得分8.根据权利要求2所述的一种道路交通感知轨迹数据的质量评估方法，其特征在于，所述步骤s4具体包括以下步骤：s41、基于道路交通公开的轨迹数据集，筛选出涵盖不同道路场景的轨迹数据，为获得不同质量水平的轨迹样本，向t时刻车辆n轨迹数据的横纵坐标(x
n
(t),y
n
(t))添加高斯噪声，生成模拟横纵坐标(x
′
(t),y
′
(t))，其中，噪声均值为μ，标准差δ∈{0.1m,0.2m,...,1.0m}，持续时长t
l
∈{1s,2s,...,5s}，通过添加噪声模拟路侧感知设备因不同分布的设备测量误差或遭受不同程度的蓄意攻击而产生的轨迹偏离，以生成不同质量水平的仿真轨迹数据；s42、将仿真轨迹数据划分为无交互关系的仿真轨迹数据集和有交互关系的仿真轨迹数据集；s43、分别计算无交互关系的仿真轨迹数据的质量评估指标a
none
，以及有交互关系的仿真轨迹数据的质量评估指标a
act
；s44、分别计算有、无交互关系的仿真轨迹数据的质量水平q
n
，计算方法为：
其中，(x
real
(t),y
real
(t))为t时刻轨迹点的位置真值，(x
n
(t),y
n
(t))为t时刻轨迹点的位置测量值，len(tr
n
)为轨迹的总长度；s45、将无交互关系的仿真轨迹数据的质量评估指标a
none
与质量水平q
n
构成仿真轨迹数据集d
none
的特征与标签；将有交互关系的仿真轨迹数据的质量评估指标与质量水平q
n
构成仿真轨迹数据集d
act
的特征与标签；s46、将仿真轨迹数据集内的数据按照比例划分训练与测试集；s47、利用仿真轨迹数据集d
none
与d
act
的训练集数据训练模型m
a
，当模型m
a
在测试集上预测误差小于时，训练模型结束，保留模型参数；利用仿真轨迹数据集d
act
的训练集数据训练模型m
b
修正网络部分，当模型m
b
在测试集上预测误差小于时，训练模型结束，保留模型参数。9.根据权利要求8所述的一种道路交通感知轨迹数据的质量评估方法，其特征在于，所述步骤s41中高斯噪音的添加方式为：述步骤s41中高斯噪音的添加方式为：a
i
～g(0,δ
12
)b
i
～g(0,δ
22
)其中，a(t)为t时刻纵坐标添加噪声值大小，b(t)为t时刻横坐标添加噪声值大小，t0为添加噪声的起始时刻，t
l
为添加噪声的持续时长。10.根据权利要求7所述的一种道路交通感知轨迹数据的质量评估方法，其特征在于，所述步骤s5具体包括以下步骤：s51、在待评估的道路交通感知轨迹数据中，将无交互关系数据集tr
none
中的各条轨迹的质量评估指标，输入训练好的模型m
a
，得到数据集中各轨迹的道路交通感知轨迹数据质量评估结果；s52、在待评估的道路交通感知轨迹数据中，将有交互关系数据集tr
act
中的各条轨迹的质量评估指标，输入训练好的模型m
b
，得到数据集中各轨迹的道路交通感知轨迹数据质量评估结果。

技术总结
本发明涉及一种道路交通感知轨迹数据的质量评估方法，包括：获取道路交通感知轨迹数据，并从中提取出待评估道路交通感知轨迹数据；计算待评估道路交通感知轨迹数据的质量评估指标；建立自适应融合回归的道路交通感知轨迹数据智能评估模型；基于道路交通公开的历史轨迹数据集，构建仿真轨迹数据集，并基于仿真轨迹数据集对道路交通感知轨迹数据智能评估模型进行训练；将待评估道路交通感知轨迹数据的质量评估指标输入训练好的道路交通感知估计数据智能评估模型，得到对应的道路交通感知轨迹数据质量评估结果。与现有技术相比，本发明融合多元维度的质量评估指标，能够准确、快速地对道路交通感知轨迹数据质量进行评估。速地对道路交通感知轨迹数据质量进行评估。速地对道路交通感知轨迹数据质量进行评估。


技术研发人员：赵聪 都州扬 师钰鹏 杜豫川 暨育雄
受保护的技术使用者：同济大学
技术研发日：2021.07.13
技术公布日：2021/11/14